pandas.DataFrame.to_timestamp

DataFrame.to_timestamp(freq=None, how='start', axis=0, copy=None)[source]

Преобразование в DatetimeIndex из временных меток, в начале периода.

Параметры:

freq:строка, по умолчанию частота PeriodIndex

Желаемая частота.

how:{‘s’, ‘e’, ‘start’, ‘end’}

Конвенция для преобразования периода во временную метку; начало периода или конец.

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию 0

Ось для преобразования (индекс по умолчанию).

copy:bool, по умолчанию True

Если False, исходные данные не копируются.

Примечание

Ключевое слово copy изменит поведение в pandas 3.0. Копирование при записи будет включено по умолчанию, что означает, что все методы с ключевым словом copy будут использовать механизм ленивого копирования для отсрочки копирования и игнорирования ключевого слова copy. Ключевое слово copy будет удалено в будущей версии pandas.

Вы уже можете получить будущее поведение и улучшения, включив копирование при записи pd.options.mode.copy_on_write = True

Возвращаемое значение:

DataFrame

DataFrame имеет DatetimeIndex.

Примеры

>>> idx = pd.PeriodIndex(['2023', '2024'], freq='Y')
>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df1 = pd.DataFrame(data=d, index=idx)
>>> df1
      col1   col2
2023     1      3
2024     2      4

В этом случае результирующие временные метки будут в начале года.

>>> df1 = df1.to_timestamp()
>>> df1
            col1   col2
2023-01-01     1      3
2024-01-01     2      4
>>> df1.index
DatetimeIndex(['2023-01-01', '2024-01-01'], dtype='datetime64[ns]', freq=None)

Используя freq, который является смещением, которое будут иметь Timestamps

>>> df2 = pd.DataFrame(data=d, index=idx)
>>> df2 = df2.to_timestamp(freq='M')
>>> df2
            col1   col2
2023-01-31     1      3
2024-01-31     2      4
>>> df2.index
DatetimeIndex(['2023-01-31', '2024-01-31'], dtype='datetime64[ns]', freq=None)